Tämä ei ole erityisen hyvä otos, ja se on osoitus perustavanlaatuisesta väärinymmärryksestä siitä, mitä huipputason teknisen korkeakoulukoulutuksen oletetaan tarjoavan. Valmistautuminen ymmärtämään nykyaikaista tekoälyä Harvardin tai Stanfordin opiskelijana ei tarkoita "nopean suunnittelun", tunnelmakoodauksen tai Slop Domain-Specific Wrapper Agent #1000:n rakentamista, jotka kaikki voidaan poimia muutamassa päivässä, ellei tunnissa. Päinvastoin, paras tapa älykkäälle 18-22-vuotiaalle ymmärtää tekoälyä on kehittää erittäin vankka intuitio perustutkinto- ja jatkotason todennäköisyyksiin, lineaariseen algebraan ja klassiseen ML:ään. Jos todella tiedät, miten perustavanlaatuiset RL-aiheet, kuten Q-learning, toimivat, olet 95 % matkasta, ja jos et voi edes oppia sitä Harvardista tai Stanfordista, tämä on luultavasti taitokysymys sinun päässäsi. @boazbaraktcs erinomaisessa ML-teoriaseminaarissa vuonna 2021 en usko, että kirjoitin yli 200 riviä koodia kumulatiivisesti koko lukukauden aikana, mutta opin valtavasti ja kiitin tälle luokalle kiinnostukseni herättämisestä moderniin tekoälyyn. Vuosi sitten en pystynyt johdonmukaisesti kertomaan, mikä muuntaja on, mutta sillä ei ole väliä, koska kun kehität kunnolliset kvantitatiiviset perusteet yliopistossa, voit selvittää sen parissa viikossa. Mikään näistä asioista ei oikeastaan ole niin monimutkaista, ihmiset haluavat vain teeskennellä, että se on.